Agentes de IA: brillantes en lo difícil, imprevisibles en lo obvio. Por qué necesitan una columna vertebral
Un agente de IA puede resolver bien cuarenta pasos seguidos y equivocarse en el cuarenta y uno de una forma que ningún empleado en prácticas cometería. El reto no es que se equivoque. Es que no sabes cuándo va a pasar.
Imaginemos un agente de atención al cliente que gestiona una devolución. Localiza el pedido. Comprueba la fecha de entrega. Revisa la garantía. Redacta una respuesta impecable, amable y bien argumentada.
Y aplica la política de devoluciones de otro país.
Nadie lo detecta hasta que el cliente recibe un abono que no le correspondía. O, peor, hasta que recibe una negativa que no tenía que haber recibido.
Brillante en lo difícil. Imprevisible en lo obvio.
El efecto queso suizo
A este comportamiento le podemos llamar el efecto queso suizo. El rendimiento es sólido casi siempre, pero está lleno de agujeros que no se ven desde fuera. Y los agujeros no siguen ningún patrón que el equipo pueda anticipar.
Esto desconcierta a cualquier directivo acostumbrado al software tradicional. Un ERP se equivoca siempre igual. Si una regla está mal configurada, falla en todos los pedidos que la cumplen, y se encuentra.
Un agente basado en un modelo de lenguaje no funciona así. Puede acertar el mismo caso nueve veces y fallarlo a la décima.
El software tradicional falla de forma predecible. Un agente de IA falla de forma creíble. Lo segundo es mucho más difícil de gestionar.
Por qué pasa: dos formas de saber
La explicación está en cómo "sabe" las cosas un modelo de lenguaje.
Su conocimiento no está guardado en fichas ni en tablas. Está repartido entre millones de parámetros. Ninguno de ellos contiene "la política de devoluciones de Portugal". Esa idea está diluida en todo el modelo, mezclada con miles de políticas parecidas que vio durante su entrenamiento.
Esa forma de saber tiene grandes ventajas:
- Tolera el desorden. Entiende un correo mal escrito, un pedido dictado por voz o un contrato escaneado.
- Generaliza. Resuelve casos que nunca ha visto antes.
- Es flexible. Se adapta al tono, al idioma y al contexto de cada conversación.
Pero tiene un coste: no garantiza precisión. Cuando dos conceptos se parecen mucho, el modelo puede mezclarlos sin darse cuenta.
La otra forma de saber es la que usan la contabilidad, el código o un contrato. Símbolos discretos, sin ambigüedad. El cliente 4.512 es el cliente 4.512. La tarifa B2B-2026 es esa y no otra. Una regla se cumple o no se cumple, y se puede aplicar igual a un millón de casos distintos.
Pensemos en un comercial veterano. Tiene una intuición enorme para leer a un cliente, anticipar una objeción o detectar una oportunidad. Pero cuando cierra un precio, no tira de intuición. Abre la tarifa.
Un buen agente necesita las dos cosas. Hoy la mayoría solo tiene la primera.
De un agente a muchos: los agujeros se multiplican
El reto crece cuando la empresa pasa de un agente a varios.
Es la dirección que está tomando el mercado. Uno de los mayores distribuidores del mundo ha agrupado decenas de herramientas de IA dispersas en unos pocos agentes principales: uno para clientes, otro para empleados, otro para proveedores y otro para sus equipos de desarrollo. No son asistentes aislados. Son capas que coordinan a otros agentes más pequeños.
En cuanto los agentes tienen que trabajar juntos, aparece una pregunta que no tiene nada de tecnológica: ¿hablan el mismo idioma?
- El agente comercial promete una entrega en 48 horas. El agente logístico calcula cinco días porque entiende "disponible" como "en almacén", no como "servible en plazo".
- El agente de compras da de alta a un proveedor como activo. El de finanzas lo bloquea porque para él "activo" exige la homologación fiscal completa.
- El agente de atención al cliente trata como cliente nuevo a una empresa que el CRM tiene registrada con otro nombre comercial y otro CIF del mismo grupo.
Cada agente, por separado, funciona. El conjunto, no.
Si cada agente tiene sus propios agujeros, encadenarlos no los tapa. Los alinea.
Qué es la columna vertebral
La columna vertebral de un sistema de agentes es una capa simbólica: un sitio donde la empresa escribe, de forma explícita y legible por una máquina, qué es verdad en su negocio.
En la práctica, esa capa suele tomar la forma de un grafo de conocimiento. Contiene cuatro cosas:
- Identidad. Cada cliente, artículo, proveedor y contrato con un identificador único que signifique lo mismo en el ERP, el CRM y el sistema de almacén.
- Relaciones. Qué cliente pertenece a qué grupo, qué artículo sustituye a cuál, qué contrato cubre qué servicio.
- Vocabulario compartido. Una sola definición de "disponible", "activo" o "cliente nuevo" para todos los agentes.
- Reglas. Las políticas de la empresa escritas fuera del prompt, donde se pueden consultar, versionar y auditar.
Con esa capa, el reparto de papeles cambia. El modelo interpreta lo que pide la persona y propone una acción. La columna vertebral le dice con qué datos tiene que trabajar y comprueba que la acción cumple las reglas antes de ejecutarla.
El modelo pone la flexibilidad. La columna vertebral pone la memoria institucional. Un agente sin ella improvisa la empresa en cada conversación.
No es una cosa contra la otra
Sería un error leer esto como "menos IA, más reglas". Las dos piezas se refuerzan.
El modelo ayuda a construir y mantener el grafo: extrae relaciones de contratos, detecta proveedores duplicados en el maestro, propone categorías para miles de artículos mal clasificados. Tareas repetitivas que hoy consumen horas de los equipos de datos y que la IA puede liberar.
El grafo, a su vez, acota al modelo. Le da contexto fiable, le impide inventar una entidad que no existe y hace que su respuesta se pueda comprobar.
Fuera de la empresa ya hay pruebas de que esta combinación funciona. Algunos de los avances científicos más sonados de los últimos años, como la predicción de la estructura de las proteínas, no salieron del aprendizaje automático puro. Salieron de combinarlo con restricciones físicas y geométricas conocidas.
Lo que se ve y lo que sostiene
Los agentes son la parte visible. Se presentan en un evento, se enseñan en una demo y ocupan titulares.
La columna vertebral no luce. Es trabajo de datos maestros, de definiciones acordadas entre departamentos y de identificadores bien gobernados. Las empresas que hoy anuncian agentes que funcionan suelen llevar años haciendo ese trabajo en silencio.
Añadir el agente es la parte fácil. Lo difícil es tener algo sólido debajo.
Cuatro decisiones antes del primer agente
- Elige un dominio acotado. Devoluciones, altas de proveedor o seguimiento de pedidos. No "la atención al cliente".
- Fija las entidades y sus identificadores. Qué es un cliente, qué es un pedido y cómo se reconoce el mismo en todos los sistemas.
- Saca las reglas del prompt. Si una política vive solo en las instrucciones del agente, nadie puede auditarla ni reutilizarla.
- Haz que todos los agentes consulten la misma fuente. El segundo agente es el que demuestra si tienes columna vertebral o solo un buen piloto.
Esta es mi apuesta
Los modelos van a seguir mejorando y los agujeros del queso serán más pequeños. Pero no van a desaparecer, porque forman parte de cómo funciona un sistema probabilístico.
La diferencia entre un agente que se puede poner delante de un cliente y uno que se queda en demo no estará en el modelo. Estará en lo que tenga debajo.
Las empresas que escriban su columna vertebral antes de multiplicar agentes podrán escalar con confianza. Las que no, tendrán muchos agentes brillantes que no se entienden entre ellos.